Kinetic Modeling of the Biogenic Production of Coalbed Methane
Notice bibliographique
Résumé
Biogenic production of coalbed methane under anaerobic conditions occurs through a large number of reactions involving a community of micro-organisms. We propose a kinetic scheme for this complicated reaction network using lumped species reacting in a series of enzymatic reaction blocks consisting of coal solubilization, hydrolysis, acidogenesis, acetogenesis, and methanogenesis. Among these pathways, acetoclastic methanogenesis is assumed to be dominant. Based on implications from experimental data, tryptone (a nitrogen rich nutrient used in the stimulation of methane production) is assumed to produce aromatic ring intermediates. Coal solubilization is described by a diffusion layer model. Monod kinetics are applied to model the enzymatic reaction rates, but the rate of methanogenesis is modeled with modified Monod kinetics to account for substrate inhibition. An analytical solution to the model is derived and its parametric sensitivity is investigated in different operating regions. Model parameters are estimated from data from various anaerobic bottle experiments conducted by us using nonlinear regression with the particle swarm optimization algorithm, and the model’s predictive ability has been validated for various coal samples from the literature, too. The predictive kinetic model thus established provides estimates of the concentration of products as well as intermediate species in the conversion of coal. The model can be used to optimize biogenic methane production from coal at different scales ranging from coreflooding experiments to the reservoir and field scales.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».